AI per diagnosticare la narcolessia: nuovo progetto italo-giapponese

Mostra sommario Nascondi sommario

• Accordo triennale tra Takeda e il centro AIRI di Modena
• Computer vision applicata ai volti per una diagnosi più rapida
  • Tecniche e segni monitorati
• Fonti cliniche: il contributo del Centro Narcolessia di Bologna
• Perché la diagnosi precoce è così importante
• Soluzione non invasiva: oltre EEG e polisonnografia
• Ruolo dei ricercatori e validazione clinica
• Limiti tecnologici ed etici da affrontare
  • Punti critici
• Impatto potenziale su clinica e assistenza
• Altre iniziative e sviluppi correlati nel campo AI‑salute

Una nuova intesa tra industria farmaceutica e ricerca accademica vuole sfruttare l’intelligenza artificiale per riconoscere la narcolessia di tipo 1 prima e con maggiore accuratezza, con particolare attenzione ai casi pediatrici. Il progetto unisce competenze giapponesi e italiane per trasformare la lettura delle espressioni facciali in uno strumento diagnostico concreto.

Accordo triennale tra Takeda e il centro AIRI di Modena

La multinazionale Takeda Pharmaceutical Company ha avviato una collaborazione della durata di tre anni con il centro AIRI dell’Università di Modena e Reggio Emilia. L’alleanza punta a integrare know‑how clinico e competenze in machine learning.

• Durata: tre anni di ricerca congiunta.
• Partner: industria farmaceutica e centro universitario specializzato in AI.
• Obiettivo: sviluppare strumenti che supportino medici e pediatri nella diagnosi.

Computer vision applicata ai volti per una diagnosi più rapida

L’idea è addestrare algoritmi di computer vision su video che riprendono le reazioni emotive dei pazienti. Gli strumenti analizzeranno micro‑movimenti per individuare segnali associati alla malattia.

Tecniche e segni monitorati

• Riconoscimento di micro‑movimenti facciali.
• Rilevamento della ptosi palpebrale e del rilassamento muscolare.
• Valutazione automatica della severità dei sintomi.

Fonti cliniche: il contributo del Centro Narcolessia di Bologna

I dati verranno forniti dal team del Centro Narcolessia di Bologna, guidato dal professor Giuseppe Plazzi. Il materiale include registrazioni video di soggetti esposti a stimoli emotivi positivi.

Questo archivio consente di allenare modelli su casi reali, migliorando la sensibilità degli algoritmi nel distinguere la cataplessia da altre condizioni.

Perché la diagnosi precoce è così importante

La narcolessia di tipo 1 ha un’insorgenza tipica tra i 10 e i 30 anni. Colpisce circa 1 persona ogni 2.000-5.000. Nei bambini i segnali possono essere fraintesi, ritardando l’intervento terapeutico.

• Le diagnosi tardive comportano ritardi nelle cure e impatto sulla qualità della vita.
• La tecnologia punta a ridurre i falsi negativi nel contesto pediatrico.
• Strumenti non invasivi rendono possibile il monitoraggio in contesti meno clinici.

Soluzione non invasiva: oltre EEG e polisonnografia

Il progetto vuole creare metodiche diagnostiche che non richiedano necessariamente elettroencefalogrammi o polisonnografie. L’obiettivo è mettere a disposizione strumenti utilizzabili anche al di fuori delle sale di diagnostica avanzata.

Vantaggi attesi:

1. maggiore accessibilità per pediatri e centri territoriali;
2. monitoraggio in ambienti naturali per osservazioni più realistiche;
3. riduzione dei tempi e dei costi diagnostici.

Ruolo dei ricercatori e validazione clinica

Secondo i responsabili scientifici, l’AI non sostituirà il medico. Piuttosto, offrirà un supporto oggettivo nella lettura di segnali sottili, aiutando nella selezione dei casi che richiedono approfondimenti.

• Coordinamento e validazione clinica guidati da esperti del settore.
• Test e validazione su dataset annotati da neurologi esperti.
• Iterazione continua tra risultati algoritmici e osservazioni cliniche.

Limiti tecnologici ed etici da affrontare

Lo sviluppo incontra sfide tecniche e questioni etiche legate alla privacy, alla qualità dei dataset e al rischio di bias. Serve trasparenza nell’addestramento e controllo sull’uso dei video dei pazienti.

Punti critici

• Protezione dei dati personali e consenso informato.
• Rappresentatività dei campioni di allenamento.
• Robustezza degli algoritmi in scenari reali e variabili.

Impatto potenziale su clinica e assistenza

Se validata, la tecnologia potrebbe accelerare la diagnosi e indirizzare prima le terapie. Questo è particolarmente rilevante per i bambini, in cui la malattia è spesso sottostimata.

• Supporto decisionale per pediatri e neurologi.
• Possibilità di screening più ampi e tempestivi.
• Miglior monitoraggio della progressione della malattia.

Altre iniziative e sviluppi correlati nel campo AI‑salute

Negli ultimi anni molte aziende e istituzioni hanno investito in AI per la salute, dall’accelerazione della ricerca farmacologica a sistemi diagnostici per tumori e malattie metaboliche.

• Progetti di AI per lo sviluppo di nuovi farmaci e per l’analisi di grandi dataset clinici.
• Strumenti per la diagnosi precoce di tumori e malattie croniche.
• Piattaforme dedicate alla prevenzione e al monitoraggio del diabete.